OpenAI大规模发布AI生成的数学证明

OpenAI跳过同行评审的核心论点是，Lean形式化——即可由机器验证的证明代码——使得手动验证比传统审稿“更可行”^[1]。然而在实践中，这一替代方案既不完整，在至少一个案例中还具有误导性。截至2026年10月7日，719份幸存的主要成果中仅有约42%——即300份手稿——附带了经过机器验证的Lean证明，这意味着大多数主张依赖于OpenAI对其内部模型推理过程的单方面描述，而非独立确认^[2]。更严重的是，一项配套分析交叉核对了其中一份经Lean形式化的头条成果——目录中的纳维-斯托克斯方程手稿——发现该证书实际上与书面论证不符：形式化中的一个估计需要四阶导数，而自然语言证明声称需要五阶；压力通量边界通过与散文描述不同的论证方式得证。换句话说，一个能顺利编译的Lean文件，并不能保证其所声称认证的英文证明就是实际被验证的证明——而此次发布的框架却模糊了这一区别。加里·马库斯的批评从另一个角度指出了同样的缺口：在未披露模型架构、失败率或生成流程的情况下，无法判断那已通过验证的42%是否能代表其余58%未验证的部分。“这永远无法通过同行评审，”他写道，强调方法的透明度而非产出数量，才是科学主张与技术演示之间的根本区别^[3]。

此次发布的庞大规模使其内部依赖关系难以察觉，而这恰恰让最初24小时变得极具启发性。2026年10月7日，OpenAI撤回了三份手稿——关于Weil类的代数性、Kuga-Satake对应关系以及K3曲面乘积的有理Hodge猜想——原因是发现一个符号错误使支撑其中两项成果的稳定迹消去论证失效。修正的影响迅速扩散：另外14份手稿需要修订，13条引用需更新，这一切都发生在一次被宣传为已完成、已审查的工作发布后的一天之内^[2]。这种连锁反应预示着，当单一模型基于大致4,000个提出的问题、几乎以一次马拉松式运行^[5]生成层层叠加的结果时会发生什么。安德鲁·萨瑟兰（Andrew Sutherland）的怀疑直接源于此逻辑：由于OpenAI的内部模型仍未发布，公司外无人能重跑据称产生每项结果的单一提示，因此目前所谓“一次性解决”某个问题的说法，仅仅是OpenAI的一面之词^[4]。这个符号错误表明，这种说法并非无误——并引发了一个显而易见的问题：在尚未经过任何形式化检查的58%目录中，还有多少类似错误未被发现？

OpenAI并非在毫无制度掩护的情况下推出此次发布。2026年9月21日——发布前两周半——该公司宣布成立数学与人工智能顾问组（Advisory Group on Mathematics and Artificial Intelligence, AGMAI），一个由九名成员组成、设在普林斯顿高等研究院（Institute for Advanced Study）的小组，明确宣称其职责是指导OpenAI的分享实践^[6][7]。然而，无论它提供了何种建议，均未能明显阻止或影响两周半后一天内发布722份手稿的决定，表明该顾问组对实验室的发布日程并无实质否决权。这种结构性张力在OpenAI自身的合作者圈内显现：陶哲轩（Terence Tao）既是AGMAI创始成员，也是发布人类数学协会声明的主要推动者，该声明谴责了本应由其顾问组指导的发布行为，称其为“不是学术的展示，而是权力的展示”^[8]。陶哲轩本人的表述更为深入，将当前时刻描述为一种不健康的“数学1.0”模式——由AI操作者自主解决问题，对整个领域的发展毫无兴趣——并呼吁转向以阐释与共同体为核心的“数学2.0”，而非单纯追求成果数量^[9]。一位现任公司顾问同时也是最显眼的批评者，这反映的并非个人立场矛盾，而是OpenAI的数学项目已远远超前于其自身的治理结构。

此次发布已重塑了激励机制，其影响远超个别证明是否成立。普林斯顿大学的马克·布拉弗曼（Mark Braverman）直白地指出：“通过新闻稿做数学，对数学本身并不健康”^[10]。这种抱怨并非抽象——当数学家们意识到OpenAI正在逼近时，那些研究与唯一游戏猜想相关问题的研究者纷纷赶在或紧随OpenAI声明之前发表自己的成果，将原本严谨、经同行评审的工作变成了一场与公司发布节奏的赛跑^[10]。社区反应也沿相似路线分裂：普通科技受众倾向于接受“AI终于追上了最难的开放性问题”的叙事，而更接近工作的数学家和物理学家则描述了一个真正的瓶颈如今已是人类验证能力而非算力的领域，一些博士生报告称，他们正在进行的论文课题一夜之间就被超越。不过，并非所有人都认为这种反弹是恰当回应。丹·利特（Dan Litt）的反驳同时针对陶哲轩、马库斯和布拉弗曼：“如果我们想知道这些数学问题的答案，我看不出有任何理由要求公司对我们保密。在我看来，这对数学将是件好事”^[9]。这场分歧本质上并非关于证明是否正确，而是关于一个领域的发现节奏是否应由最能负担推理算力的一方设定，而不论其输出事后被多么仔细地验证。